論文の概要: Diagnosing Human-object Interaction Detectors

• arxiv url: http://arxiv.org/abs/2308.08529v1
• Date: Wed, 16 Aug 2023 17:39:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-17 12:14:22.956266
• Title: Diagnosing Human-object Interaction Detectors
• Title（参考訳）: 人物体相互作用検出器の診断
• Authors: Fangrui Zhu, Yiming Xie, Weidi Xie, Huaizu Jiang
• Abstract要約: 本稿では,既存のHOI検出モデルの誤り源を解析するための診断ツールボックスを提案する。 まず、人間と物体のペア検出と相互作用分類からなるHOI検出のパイプラインにおいて、総合的な研究を行う。 オラクルを用いて誤りの修正から得られたmAPの改善を計測することにより、異なる誤りの意義を詳細に分析することができる。
• 参考スコア（独自算出の注目度）: 42.283857276076596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although we have witnessed significant progress in human-object interaction (HOI) detection with increasingly high mAP (mean Average Precision), a single mAP score is too concise to obtain an informative summary of a model's performance and to understand why one approach is better than another. In this paper, we introduce a diagnosis toolbox for analyzing the error sources of the existing HOI detection models. We first conduct holistic investigations in the pipeline of HOI detection, consisting of human-object pair detection and then interaction classification. We define a set of errors and the oracles to fix each of them. By measuring the mAP improvement obtained from fixing an error using its oracle, we can have a detailed analysis of the significance of different errors. We then delve into the human-object detection and interaction classification, respectively, and check the model's behavior. For the first detection task, we investigate both recall and precision, measuring the coverage of ground-truth human-object pairs as well as the noisiness level in the detections. For the second classification task, we compute mAP for interaction classification only, without considering the detection scores. We also measure the performance of the models in differentiating human-object pairs with and without actual interactions using the AP (Average Precision) score. Our toolbox is applicable for different methods across different datasets and available at https://github.com/neu-vi/Diag-HOI.
• Abstract（参考訳）: 平均的精度(平均的精度)が高まるにつれて,人間と物体の相互作用(HOI)の検出が著しく進歩しているのに,1つのmAPスコアが正確すぎるため,モデルの性能や,あるアプローチが他の方法よりも優れている理由が理解できない。 本稿では,既存のHOI検出モデルの誤り源を解析するための診断ツールボックスを提案する。 まず、人間と物体のペア検出と相互作用分類からなるHOI検出パイプラインの総合的研究を行った。 エラーのセットと,それぞれを修正するためのオーラクルを定義します。 オラクルを用いて誤りの修正から得られたmAPの改善を計測することにより、異なる誤りの意義を詳細に分析することができる。 次に、対象物の検出と相互作用の分類を探索し、モデルの振る舞いを確認する。 初回検出作業では,リコールと精度の両面について検討し,人間と物体の対の接地率と,検出時のノイズレベルを測定した。 第2の分類タスクでは、検出スコアを考慮せずに、相互作用分類のためのmAPを計算する。 また,AP(Average Precision)スコアを用いて,人間と物体のペアを実際の相互作用なしで区別する際のモデルの性能を測定した。 当社のツールボックスは、さまざまなデータセットにまたがるさまざまなメソッドに適用可能で、https://github.com/neu-vi/diag-hoiで利用可能です。

関連論文リスト

• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Systematic Review: Anomaly Detection in Connected and Autonomous Vehicles [0.0]
  この系統的なレビューは、連結車両と自律車両の異常検出に焦点を当てている。 異常検出に最もよく使用される人工知能(AI)アルゴリズムは、LSTM、CNN、オートエンコーダなどのニューラルネットワークと1クラスのSVMである。 自動車への異常検出の展開を調査し,道路上での性能評価を行うためには,今後の研究が必要である。
  論文  参考訳（メタデータ） (2024-05-04T18:31:38Z)
• Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
  異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。 この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。 セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:38:26Z)
• Diagnosing Errors in Video Relation Detectors [46.792264699927436]
  ビデオ関係検出は、コンピュータビジョンにおいて新しくて困難な問題を形成する。 全体的なパフォーマンスはいまだに限界があり、その問題を解決する上で重要な要素が何であるかは不明だ。 本稿では,検出エラーの原因を分析する診断ツールを提案する。
  論文  参考訳（メタデータ） (2021-10-25T17:04:08Z)
• Confidence-based Out-of-Distribution Detection: A Comparative Study and Analysis [17.398553230843717]
  我々は、信頼度に基づくOOD検出のための様々な最先端手法の能力を評価する。 まず,コンピュータビジョンベンチマークを用いて複数のOOD検出手法を再現・比較する。 次に,胸部X線を用いた疾患分類の課題に対して,その能力を評価する。
  論文  参考訳（メタデータ） (2021-07-06T12:10:09Z)
• DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
  現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。 本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。 実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
  論文  参考訳（メタデータ） (2020-10-02T13:59:05Z)
• DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
  人-物間相互作用(HOI)検出の課題に対処する。 既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。 本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:40Z)
• An Extensive Study on Cross-Dataset Bias and Evaluation Metrics Interpretation for Machine Learning applied to Gastrointestinal Tract Abnormality Classification [2.985964157078619]
  GI領域における疾患の自動解析は、コンピュータ科学や医学関連雑誌でホットな話題となっている。 クロスデータセットによる評価指標と機械学習モデルの明確な理解は、この分野の研究を新たな品質レベルに導くために不可欠である。 16種類のGIトラクタ条件を分類できる5つの異なる機械学習モデルの包括的評価を行う。
  論文  参考訳（メタデータ） (2020-05-08T08:59:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。